[發明專利]基于人工智能的居民呼吸道傳染病監測預警系統及方法

在審

• 申請號: 202210617309.X
• 申請日: 2022-06-01
• 公開（公告）號: CN115440387A
• 公開（公告）日: 2022-12-06
• 發明（設計）人: 陳航;蔣榮猛;韓冰
• 申請（專利權）人: 首都醫科大學附屬北京地壇醫院
• 主分類號: G16H50/80
• 分類號: G16H50/80;G06F40/295;G06N20/00
• 代理公司: 北京力量專利代理事務所(特殊普通合伙) 11504
• 代理人: 郭大為

1.一種基于人工智能的居民呼吸道傳染病監測預警系統，其特征在于，包括

交互層，用于接收用戶輸入的數據、顯示查詢結果診斷數據和啟動數據服務層，實現與群體監測系統的交互；

數據服務層，用于提供查詢服務，根據存儲的真實數據進行提煉得到知識圖譜，同時接收數據輸入，解釋業務規則，并根據業務規則作出業務決策；

基礎資源層，用于數據加密服務和隱私數據分級保護，同時提供MysQL數據庫；

源數據層，用于填報數據，為所述數據服務層提供基礎數據支撐。

2.根據權利要求1所述的基于人工智能的居民呼吸道傳染病監測預警系統，其特征在于，所述數據服務層進行實體抽取時，從原始數據語料中自動識別出命名實體，其中實體抽取的方法包括基于百科站點或垂直站點提取、基于規則與詞典的方法、基于統計機器學習的方法以及面向開放域的抽取方法。

3.根據權利要求2所述的基于人工智能的居民呼吸道傳染病監測預警系統，其特征在于，所述基于百科站點或垂直站點提取則是常規基本的提取方法；

所述基于規則的方法通常需要為目標實體編寫模板，然后在原始語料中進行匹配；

所述基于統計機器學習的方法主要是通過機器學習的方法對原始語料進行訓練，然后再利用訓練好的模型去識別實體；

所述面向開放域的抽取方法是面向海量的Web語料。

4.根據權利要求1所述的基于人工智能的居民呼吸道傳染病監測預警系統，其特征在于，所述數據服務層進行語義類抽取時，從文本中自動抽取信息來構造語義類并建立實體和語義類的關聯,作為實體層面上的規整和抽象；

所述數據服務層進行屬性和屬性值抽取時，為每個本體語義類構造屬性列表，而屬性值提取則為一個語義類的實體附加屬性值；

所述數據服務層進行關系抽取時，目標是解決實體語義鏈接的問題。

5.根據權利要求1所述的基于人工智能的居民呼吸道傳染病監測預警系統，其特征在于，所述知識圖譜知識表示學習的代表模型包括距離模型、單層神經網絡模型、雙線性模型、神經張量模型、矩陣分解模型和翻譯模型；

其中，距離模型，首先將實體用向量進行表示，然后通過關系矩陣將實體投影到與實體關系對的向量空間中，最后通過計算投影向量之間的距離來判斷實體間已存在的關系的置信度；

雙線性模型是通過基于實體間關系的雙線性變換來刻畫實體在關系下的語義相關性；

神經張量模型是在不同的維度下，將實體聯系起來，表示實體間復雜的語義聯系；

TransE模型是將知識庫中實體之間的關系看成是從實體間的某種平移，并用向量表示。

6.根據權利要求1所述的基于人工智能的居民呼吸道傳染病監測預警系統，其特征在于，所述知識圖譜進行知識融合時包括

初步篩選，用于初步篩選融合標識符相同的實體數據；

判斷屬性相似度，用于配置相似屬性和相似度函數，并判斷數據之間的屬性相似度；

融合知識：對屬性相似度均達到閾值條件的數據進行融合；

數據質量的挑戰，包括命名模糊、數據輸入錯誤、數據丟失、數據格式不一致和縮寫；

數據規模的挑戰，包括數據量大、數據種類多樣性、多種關系、更多鏈接、不能僅僅通過名字匹配；

實體相似度，根據屬性相似度向量得到實體的相似度。